Nieuwe door het brein geïnspireerde AI leert in realtime met ultralaag stroomverbruik

Het menselijk brein is de meest geavanceerde supercomputer ter wereld. Het kan gelijktijdig leren en zich aanpassen zonder het gebruik van enorme datacenters zoals de AI-systemen van vandaag. Deze maand heeft een team van ingenieurs van de Texas A&M Department of Computer and Electrical Engineering en andere toonaangevende instellingen een door het brein geïnspireerd AI-systeem geïntroduceerd dat betere prestaties kan ontgrendelen en de deur kan openen voor slimmere protocollen. Hier is wat u moet weten. 

De beperkingen van traditionele AI en de Turing-architectuur

Kunstmatige intelligentie is een van de snelstgroeiende en meest opwindende technologische industrieën ter wereld. In een paar korte jaren zijn AI-algoritmen van alleen toegankelijk voor hooggekwalificeerde ingenieurs bij Google en Microsoft uitgegroeid tot een algemeen hulpmiddel voor de gemiddelde persoon. Gedurende deze reis zijn AI-systemen voortdurend in prestaties en mogelijkheden toegenomen. Naast deze toename in prestaties is er ook een toename in hardwarecapaciteiten opgetreden. 

Opmerkelijk is dat AI-systemen afhankelijk zijn van de Turing-architectuur. Deze stijl van computing is vernoemd naar de uitvinder, Alan Turing. Hij bedacht dat computers betere prestaties konden leveren als bepaalde delen van hun werking gescheiden waren. 

Deze structuur betekent dat computers hun verwerking en geheugen fysiek gescheiden hebben binnen het chipontwerp. Deze scheiding heeft sinds dien het hardwareontwerp van machines bepaald. Zijn visie voor computers blijft de meest gebruikte architectuur, ondanks dat het decennia geleden is sinds zijn ontdekking. 

De energiecrisis: waarom moderne AI een nieuw blauwdruk nodig heeft

Het probleem met deze opzet is dat AI-systemen enorme hoeveelheden data vereisen. In sommige gevallen moeten volledige datacenters vanaf de grond worden opgebouwd, met de meest geavanceerde hardware als onderdeel van de systeemvereisten. Helaas is deze structuur niet duurzaam. 

Grote datacenters zijn enorme energiezuigers die evenveel energie kunnen verbruiken als hele steden. In veel gevallen vertrouwen deze systemen op hernieuwbare energie, wat heeft geholpen de milieueffecten te verminderen. Echter, de groeiende vraag naar AI-systemen betekent dat er een verbetering in efficiëntie nodig is om deze protocollen in de toekomst duurzaam te maken.

Waarom de AI-modellen van vandaag zich niet in realtime kunnen aanpassen

Bovendien betekent deze structuur dat de schaalbaarheid van deze protocollen gebaseerd is op hun hardware in plaats van hun softwarebeperkingen. Zelfs het meest geavanceerde systeem moet nog wachten tot de data fysiek tussen de hardwarecomponenten op een apparaat wordt verzonden. 

 Introductie van een Super-Turing AI: geïnspireerd door het menselijk brein

Een ander nadeel van op Turing gebaseerde AI-systemen is dat ze afhankelijk zijn van vooraf ingestelde datapunten. De modellen van vandaag bieden geen manier om hun prestaties tijdens de werking aan te passen. Deze systemen vertrouwen op de geleverde data om backpropagation uit te voeren. 

Deze aanpak verschilt van uw brein, dat een combinatie van kennis en omgevingscondities gebruikt om nauwkeurige beoordelingen te maken met een fractie van de energie. Opmerkelijk is dat het biologisch onmogelijk is om backpropagation te repliceren omdat dit zou vereisen dat de persoon de situatie al eerder heeft meegemaakt. Met deze feiten in gedachten hebben ingenieurs geprobeerd een AI-systeem te ontwikkelen dat menselijk leren nabootst.  

Hoe synaptische weerstanden leren zoals ons brein

De studie “HfZrO-gebaseerde synaptische weerstandscircuit voor een Super-Turing intelligent systeem” introduceert een neuromorfisch AI-systeem dat kan nabootsen hoe het brein leert om realtime aanpasbaarheid op basis van omstandigheden te bieden. De studie werd gepresenteerd door een team van onderzoekers van UCLA, Texas A&M en andere onderzoeksinstellingen en werd gepubliceerd in Science Advances. Om deze taak te volbrengen, creëerde het team een “synstor” (synaptische weerstand) circuit dat kan leren zoals uw brein. 

Bron – Texas A&M Department of Computer and Electrical Engineering

Breinachtige efficiëntie: AI die microwatts verbruikt, geen megawatts

De ingenieurs achter deze studie erkennen dat het menselijk brein nog steeds ver voorloopt op AI op vele gebieden, zoals energieverbruik en flexibiliteit. De neurale processen van het brein stellen het in staat complexe lichamelijke functies uit te voeren terwijl het tegelijkertijd zich aanpast aan veranderende omstandigheden om u heen. 

Wat betreft energie-efficiëntie vereist het menselijk brein slechts ongeveer 20 watt om te functioneren. Ter vergelijking kan het geavanceerde AI-systeem van vandaag tot 1 miljard watt verbruiken tijdens operaties. Dit energieverbruik komt voort uit de verwerkingspaden en componenten, naast de architectuur van de AI-systemen.  

 Begrijpen van synaptische plasticiteit in kunstmatige intelligentie

De ingenieurs begonnen met het bestuderen van synaptische plasticiteit in breinen. Uw brein heeft miljoenen neuronen die uw geheugen en leren aandrijven. Deze communicatiegebieden waar zenuwen elkaar ontmoeten worden synapsen genoemd. Synaptische plasticiteit verwijst naar het vermogen van het brein om verbindingen die vaker worden gebruikt te versterken. Het verwijst ook naar het vermogen van het brein om nieuwe paden te creëren wanneer dat efficiënter wordt geacht. 

Het geheim van het brein: schakelen tussen Turing- en Super-Turing-modi

Opmerkelijk genoeg kunnen breinen zowel in Turing-modus als in een super-Turing-modus opereren. Terwijl ze zich in een Turing operationele staat bevinden, zal uw brein vooraf geleerde taken en handelingen gebruiken. Wanneer onverwachte scenario’s zich voordoen of de omstandigheden veranderen op een onvoorspelbare manier, schakelt uw brein automatisch over naar een super-Turing-stand. Deze aanpak stelt uw brein in staat zich voortdurend aan te passen aan uw omgeving.

Hoe Super-Turing AI leert en zich direct aanpast

Wetenschappers vinden dat deze super-turning toestand de kern vormt van de unieke mogelijkheden van het brein. Ze gebruikten deze structuur om AI-architecturen opnieuw te bedenken, waarbij ze een meer mensachtige operationele stroom voor ogen hadden waarin leren en inferentie gelijktijdig plaatsvinden. 

Deze strategie vermindert het energieverbruik aanzienlijk. Het elimineren van de noodzaak om enorme hoeveelheden data over hardwarecomponenten te verplaatsen, vermindert het verbruik en verbetert de prestaties. Het ondersteunt ook realtime aanpasbaarheid terwijl het stroomverbruik tot nieuwe diepten verkleint.

Binnen de Synstor: het ferroelectrische circuit dat menselijk leren nabootst

In de kern van deze studie staat de creatie van een inclusief sensorcircuit dat gelijktijdig kan verwerken, leren en soepel kan opereren. Het team vervaardigde een circuit van Hf0.5Zr0.5Ο2-gebaseerde synstors als onderdeel van hun onderzoek.  

Dit op maat gemaakte circuit bevatte synaptische weerstanden die ferroelectrische HfZrO-materialen integreren. Opmerkelijk zijn ferroelectrische materialen, zoals Hf-oxiden, die ingenieurs in staat stellen schaalbare, Si-compatibele, niet-vluchtige analoge geheugen- en neuromorfe apparaten te creëren. 

Drone-simulatie: mens vs AI vs Synstor

Het team zette een dronevlucht-simulatie op en liet een traditionele AI, een mens en een super-turing AI-systeem de simulatie navigeren om hun theorie te testen. Voor enige turbulentie of obstakels leerden het synstor-circuit, menselijke operators en ANN succesvol de drone naar de doelpositie te sturen zonder problemen of vertragingen. 

Echter, toen bomen of sterke windvlagen aan de vergelijking werden toegevoegd, daalde de prestatie van alle partijen. Specifiek voltooiden de mens en het synstor-circuit AI-systeem de taak. Het traditionele AI-systeem kon zich niet aanpassen aan de nieuwe omgeving en voltooide de test niet, aangezien de toegevoegde obstakels de prestaties verminderden.

AI-aanpasbaarheid in actie: de resultaten van de drone-obstakelcursus

De studie toonde aan dat de nieuw ontwikkelde synaptische weerstandscircuits van de ingenieurs efficiënte en adaptieve Super-Turing AI-systemen ondersteunen die onzekere en dynamische real-world omgevingen kunnen navigeren. Ze onderzochten waarom alleen de mens en de door synstor aangedreven drone de cursus konden voltooien. Hun succes was te danken aan hun vermogen om ter plaatse aan te passen.

Waarom Synstor-circuits een sprong voorwaarts zijn in duurzame AI

Er zijn verschillende voordelen die een synstor-circuit AI-systeem op de markt kan brengen. Ten eerste zullen ze de deur openen voor meer geavanceerde en capabele AI-opties. Deze protocollen zullen in staat zijn tot gelijktijdige realtime inferentie en leren, wat een opstap biedt naar AI-protocollen van de volgende generatie.

Milieuvriendelijk: De AI-systeemarchitectuur van de ingenieur maakt gebruik van een fractie van de elektriciteit die nodig is om traditionele AI-protocollen te draaien. Dit verbeterde stroomverbruik stelt Synstor AI-systemen in staat de titel te claimen als de meest milieuvriendelijke AI-architectuur voor data. Naarmate de vraag naar deze diensten toeneemt, zal de behoefte aan duurzame opties ook groeien.

Efficiëntie: De ingenieurs hebben met succes een systeem gecreëerd dat het menselijk brein nabootst. Hun aanpak vermindert de energie-eisen voor AI-systemen in het algemeen en stelt AI-systemen in staat hun stroomverbruik te maximaliseren bij het uitvoeren of trainen van nieuwe modellen.

Aanpasbaarheid: Een van de belangrijkste voordelen van deze AI-structuur is de aanpasbaarheid. AI-systemen moeten sneller en flexibeler worden om het groeiende aantal taken dat hen wordt toevertrouwd aan te kunnen. Van het besturen van uw elektrische voertuig thuis tot het bepalen welke nummers voor u moeten worden afgespeeld, toekomstige AI-systemen zullen hun omgeving in overweging nemen als onderdeel van hun verwerkingsprocedures.

Toekomstige toepassingen: breinachtige AI in auto’s, wearables en militaire technologie

Het door het brein geïnspireerde AI-systeem heeft het potentieel om de industrie te revolutioneren. Het biedt ingenieurs de mogelijkheid tot duurzame AI-ontwikkeling en zou de creatie van de geavanceerde autonome systemen van morgen kunnen ondersteunen. Deze technologie zal ook zijn weg vinden in robotica, wearables en de medische sector.  

Geavanceerde berekeningen: U kunt binnenkort geavanceerde AI-systemen verwachten die deze technologie gebruiken. Het verminderde stroomverbruik zal de operationele kosten voor deze systemen verlagen, waardoor ze een aantrekkelijk alternatief vormen voor de status quo. Bovendien zal, naarmate het synstor-chipontwerp verbetert, de adoptie verder toenemen.

Militair: Het leger is een van de grootste voorstanders van AI. AI-systemen kunnen helpen bij het volgen, richten, plannen en logistiek, waardoor de operationele capaciteiten van elk leger dat ze gebruikt worden verbeterd. In de toekomst zult u AI-systemen zien die geavanceerde loiterende munitie en drones aandrijven en planners helpen de situationele bewustwording te behouden..

Autonome voertuigen: Een van de kerngebruiksscenario’s voor geavanceerde AI is het besturen van autonome voertuigen. De droom van volledig autonome auto’s heeft langzaam voet aan de grond gekregen, maar recente vooruitgangen hebben de visie dichterbij gebracht dan ooit. Deze nieuwste AI-doorbraak zal helpen de prestaties te verbeteren en de deur openen voor meer geavanceerde autonome voertuigen die kunnen vliegen en meer.

Deze technologie zal op een dag helpen gemeenschappen veiliger te maken en uw dagelijkse taken gemakkelijker. Er zijn echter nog enkele details en obstakels die de technologie moet overwinnen voordat ze mainstream wordt. Ondanks de vertragingen wordt de potentiële commerciële adoptie geschat op 5–10 jaar, met kortere termijn toepassingen in gespecialiseerde low-power AI-taken. 

Maak kennis met het onderzoeksteam achter deze AI-doorbraak

Ingenieurs van de Texas A&M Department of Computer and Electrical Engineering en de University of California-Los Angeles werkten samen om deze studie onder de aandacht te brengen. Specifiek leidden Jungmin Lee, Rahul Shenoy en Atharva Deo het onderzoek. 

Zij kregen hulp van een team ingenieurs, waaronder Sun Yi, Dawei Gao, David Qiao, Mingjie Xu, Shiva Asapu, Zixuan Rong, Dhurva Nathan, Yong Hei, Dharma Paladugu, Jian-Guo Zheng, J. Joshua Yang, R. Stanley Williams, Qing Wu en Yong Chen. Opmerkelijk is dat de studie financiering ontving van het Air Force Office of Scientific Research. 

 De zakelijke kant: hoe NVIDIA en anderen neuromorfe AI vooruitstuwen

De AI-wedloop is begonnen, en concurrerende bedrijven besteden miljarden om de sector te domineren. De relatief ontwrichtende aard van AI betekent dat er nieuwe kansen ontstaan voor bedrijven zoals OpenAI die uit het niets kunnen opkomen en een toppositie op de markt kunnen veroveren. Hoewel het erg moeilijk is te bepalen wie de volgende nieuwe speler in de sector zal zijn, is het gemakkelijk te zien wie de markt de afgelopen jaren heeft gedomineerd.  

NVIDIA Corporation

NVIDIA (NVDA ) kwam in 1993 op de markt en is gevestigd in Californië. De nu wereldberoemde maker van 3D-graphicskaarten pionierde ASIC en andere baanbrekende ontwerpen door de jaren heen. Deze upgrades hielpen het bedrijf zich te herpositioneren van een gaming-graphicskaartbedrijf naar een van de meest herkenbare namen in de AI-sector.

 De opkomst van NVIDIA bleef niet onopgemerkt. Het aandeel heeft aanzienlijke groei gezien, en in juni 2024 bereikte het bedrijf een marktkapitalisatie van 3 biljoen dollar. Vandaag is NVIDIA een leider in neuromorfe en edge AI-hardware. Als zodanig is het sterk betrokken bij het ontwerpen van AI-inferentie-efficiëntie en brein-geïnspireerde architecturen. Degenen die op zoek zijn naar een betrouwbaar en bewezen AI-aandeel zouden de tijd moeten nemen om meer onderzoek te doen naar NVIDIA. 

Voor een nadere blik op NVIDIA, zorg ervoor dat u bekijk onze spotlight van deze industriereus.

Laatste nieuws over NVIDIA Corporation

De toekomst van AI: natuurlijke intelligentie, kunstmatig gecreëerd

De ingenieurs achter deze studie hebben een nieuw niveau in AI-capaciteit ontgrendeld. Hun nieuwe chipontwerp zal AI in staat stellen snellere en slimmere algoritmen te ontwikkelen. Deze systemen zullen op een dag bijna elk onderdeel in uw leven aandrijven. Voor nu heeft dit onderzoek aangetoond hoe wetenschappers inspiratie uit de natuur en het menselijk lichaam kunnen halen om innovatie naar nieuwe hoogten te drijven.. 

Leer meer over andere coole AI-projecten nu.

Gerefereerde studies:

^{1. Lee, J., Shenoy, R., Deo, A., Yi, S., Gao, D., Qiao, D., Xu, M., Asapu, S., Rong, Z., Nathan, D., Hei, Y., Paladugu, D., Zheng, J.-G., Yang, J. J., Williams, R. S., Wu, Q., & Chen, Y. (2025). HfZrO-gebaseerde synaptische weerstandscircuit voor een Super-Turing intelligent systeem. Science Advances, 11(9), eadr2082. https://doi.org/10.1126/sciadv.adr2082}